Az AI-adatközpontok láthatatlan ára: mennyi víz és energia kell egyetlen ChatGPT-kérdéshez?

Amikor beírunk egy kérdést a ChatGPT-be, kapásból egy „felhőre” gondolunk, valami láthatatlan, súlytalan digitális térre. A valóság ennél jóval komplexebb, hiszen adatközpontok ezrei indulnak be a háttérben, szerverek százai számolnak, hatalmas mennyiségű hőt termelve. Ezt pedig folyamatosan hűteni kell vízzel és energiával. A mesterséges intelligencia ma már nemcsak szoftver, hanem nagyon is konkrét fizikai infrastruktúra, amelynek komoly környezeti lábnyoma van.

A Deutsche Welle (DW) egyik friss videója arra tesz kísérletet, hogy számszerűsítse: mi az AI rejtett ára, konkrétan mennyi víz és energia kell egyetlen, látszólag ártalmatlan ChatGPT‑prompt kiszolgálásához. A válasz egyszerre megnyugtató és riasztó: egy ember egyetlen kérdése még alig számít, ugyanakkor több milliárd kérdés naponta már egy nagyváros vízfelhasználásával és hosszabb időre elegendő energiával ér fel.

Egy e-mail átírása = 3 wattos izzó 20 percig

A videóban megszólaló kutató becslése szerint a népszerű GPT‑5 modell legegyszerűbb feladatai – például egy e‑mail átírása – annyi áramot igényelnek, amennyi egy 3 wattos LED izzó működtetéséhez kell körülbelül 20 percig. Vízben mérve ez „csak” valamivel kevesebb, mint egy teáskanálnyi.

A kép azonban drámaian megváltozik, ha az egyéni kérdéseket globális léptékben nézzük.

Az OpenAI saját adatai szerint naponta mintegy 2,5 milliárd lekérdezést kezel.

Így összesítve már olyan vízfelhasználásról beszélünk, amely elegendő lenne a mexikói Monterrey teljes lakosságának napi ivóvízszükségletéhez, miközben az energiaigény olyan mértékű, hogy több mint 3 ezer évig lehetne vele folyamatosan Netflixet nézni. Az AI‑felhasználók száma ráadásul a következő öt évben várhatóan nagyjából megduplázódik, ami az adatközpontok számának és energiaéhségének további növekedését vetíti előre.

Miért kell ennyi hűtés az adatközpontoknak?

Az AI‑t kiszolgáló modern adatközpontok a klasszikus számítógépterem felnagyított, ipari verziói, néhány lényeges különbséggel. Egy tipikus létesítmény nagyjából 9 ezer négyzetméteren terül el, a hiperskálázott, kifejezetten AI‑feladatokra optimalizált adatközpontok pedig ennek akár a tizenháromszorosát is elérik. Ezekben a terekben szerverek ezrei dolgoznak párhuzamosan, miközben a teljes energiafogyasztás közel fele arra megy el, hogy a promptokat feldolgozó CPU‑kat és chipeket ne hagyják túlmelegedni.

A hűtés hagyományosan három pilléren áll: vízhűtés, ventilátorok és légkondicionálás. A múlt század közepének vákuumcsöves gépeit már ventilátorokkal kellett hűteni, és bár a mai adatközpontok szó szerint billiószor erősebbek, vizuálisan még mindig hasonlóan néznek ki: polcokon sorakozó rackek, kábelek, burkolt gépterek. A különbség az energiaigény nagyságrendjében és a hűtés komplexitásában van.

A DW videója a Google adatközpontjain keresztül mutatja be a két klasszikus hűtési végletet. Oregon államban, The Dalles városában a létesítmény a helyi vízellátás közel egyharmadát használta fel 2021‑ben, részben azért, mert a hűtéshez az édesvíz közelségét kihasználó párolgásos hűtést alkalmazzák. A vizet hűtőtornyokba permetezik, a párolgás lehűti az áramlást, és ezt a hidegebb közeget vezetik vissza a szerverekhez. Így kevesebb ventilátor és kevesebb áram kell, de sokkal több víz.

Az amerikai Nagy‑tavak régiója emiatt különösen vonzó az adatközpont‑ipar számára: itt található a világ felszíni édesvizének mintegy egyötöde, és a víz nagy része eleve hideg. A világ adatközpontjainak közel tíz százaléka már most ebben a régióban működik, kihasználva a vízbázis közelségét, miközben a helyi ökoszisztémák és az ivóvízellátás a stabil vízszintre épülnek.

Ezzel szemben a Google arizonai, Mesa városában található adatközpontja az Egyesült Államok egyik legszárazabb régiójában működik, ezért ott légáramos hűtést használnak: óriási ventilátorok fújják keresztül a levegőt a szervereken. Itt a vízfelhasználás minimális, az energiaigény viszont lényegesen magasabb. Írországban ma már az ország teljes áramfogyasztásának mintegy egyötödét viszik el az adatközpontok, ami közvetlenül terheli az energiarendszert, és a lakosság magasabb számlák formájában fizeti meg az árát.

Megoldások: folyadékhűtés, merítés, tenger alatti szerverek

A hagyományos, levegőre és nagy mennyiségű vízre épülő hűtés nyilvánvalóan nem skálázható korlátlanul egy olyan világban, ahol az AI‑modell‑méret és a felhasználói terhelés folyamatosan nő. Ezért a fejlesztők új, folyadékhűtéses megoldások felé fordulnak.

Az egyik ilyen irány a direct‑to‑chip hűtés, ahol nem az egész szervertermet hűtik, hanem közvetlenül a chipekre, a legforróbb pontokra koncentrálnak. A chipekhez rézből vagy alumíniumból készült fémlemezeket erősítenek, amelyekben speciális hűtőfolyadék kering zárt rendszerben. A folyadékok sűrűbbek és jobban vezetik a hőt, mint a levegő, ezért ugyanakkora térfogatban sokkal több hőt tudnak elvezetni. Kutatások szerint ez a módszer akár 80 százalékkal csökkentheti a szerverventilátorok energiafogyasztását a tisztán légáramos hűtéshez képest, miközben helyben nincs vízfelhasználás. Nem véletlen, hogy a Microsoft Wisconsin államban épülő, saját megfogalmazásuk szerint „legerősebb AI‑adatközpontjában” már ezt a technológiát tervezi alkalmazni, több százezer processzor hűtésére.

A következő lépcső a merítéses hűtés, ahol már nemcsak a chipek, hanem a teljes szerver kerül egy speciális, olajszerű hűtőfolyadékba. A hétköznapi víz itt nem jöhet szóba, mert vezetné az áramot és korróziót okozna, ezért dielektromos, nem vezető folyadékokat használnak. A tajvani Gigabyte szerint ilyen közegben a szervereket sűrűbben lehet elhelyezni, és a levegő hiánya miatt a ventilátorok teljesen elhagyhatók. Egy athéni üzemeltető úgy nyilatkozik, hogy így az energia több mint 97 százalékát közvetlenül számításokra használják, szemben a hagyományos adatközpontok 50 százalék körüli arányával, miközben a többi eddig jórészt a hűtésen „égett el”. Nem véletlen, hogy a merítéses hűtés piaca már 2025‑ben mintegy 1,7 milliárd dollárra nőtt, ami a folyadékhűtésű adatközpont‑megoldások mintegy harmadát jelenti.

A videó innen már szinte sci‑fi világokba vezet: Dánia jeges kikötőiben egy cég teljes adatközpont‑kapszulákat süllyeszt közvetlenül az Északi‑tenger hideg vizébe. A konténerszerű modulok 46 tonnát nyomnak, belül több mint 1100 processzor dolgozik olajos hűtőanyagban, kívül pedig a tengervíz vezeti el a hőt.

A cég szerint így körülbelül 40 százalékkal csökken az energiafogyasztás és hasonló arányban a szén‑dioxid‑kibocsátás is, ráadásul a modulokat közvetlenül tengeri szélturbinákhoz lehet csatlakoztatni, így a hűtéshez gyakorlatilag nem kell áram.

Nincsenek ventilátorok, nincs világítás, nincsenek szivattyúk, az energia 99 százaléka közvetlenül a számítási teljesítményt szolgálja.

A víz alatti adatközpontok azonban nem problémamentesek. A szerverek és GPU‑k a mindennapi működés során rendszeresen meghibásodnak, ami a felszínen viszonylag egyszerűen kezelhető: cserélhető, javítható alkatrészekről van szó. Tenger alatt viszont minden karbantartás bonyolult és költséges művelet, miközben az adatközpont‑ipar amúgy is küzd a leállásokkal: felmérések szerint az üzemek több mint fele tapasztalt valamilyen leállást az elmúlt három évben, legyen az memóriahiba, hálózati zavar, áramkimaradás vagy természeti katasztrófa.

AI‑adatközpontok az űrben?

A következő spekulatív irány még merészebb: adatközpontok az űrben. Az elképzelés szerint a Föld körül keringő, napenergiával működő szerver‑platformok használnák ki az űr „hidegét” a hűtéshez, miközben az adatokat optikai lézerekkel, viszonylag kis késleltetéssel továbbítanák a felszín és az orbitális infrastruktúra között. 2026‑ban Elon Musk űrcége, a SpaceX mesterséges intelligenciára fókuszáló vállalatával, az xAI‑jal is közösen vizsgálja ennek a lehetőségét.

A csillagászok azonban kijózanító szempontokat is behoznak. Az űr első ránézésre végtelennek tűnő hőelnyelő, valójában viszont a hőelvezetés fizikailag nehezen megoldható, mert nincs levegő, ami elszállítaná a meleget. A közvetlen napfénynek kitett tárgyak akár 120 Celsius‑fokra is felmelegedhetnek, és ezt a hőt csak sugárzással lehet leadni, ami korlátos. Emellett az alacsony Föld körüli pályán ma már mintegy 11 ezer műhold kering, így az „űr” egyre kevésbé üres. Az a kérdés is felmerül, hogy mely műholdak szolgálják a legtöbb ember javát: amelyek életmentő adatokat, mezőgazdasági előrejelzéseket és klímaváltozási méréseket biztosítanak, vagy az AI‑adatközpontok, amelyek további terhelést jelentenek az amúgy is zsúfolódó pályákon.

Small data, big tasks: lehet okosabban is AI‑t építeni

A hűtés optimalizálása fontos, de önmagában nem elég. A videó egyik legérdekesebb gondolata, hogy érdemes lehet magán a számítási igényen is csökkenteni. Az AI‑fejlesztésben megjelent egy irányzat, amelyet „small data, big tasks” néven emlegetnek: a modelleket nem brutális erővel, milliónyi lehetséges forgatókönyvvel próbálják végletekig tanítani, hanem apró, tudatos lépésekben, strukturált módon. Ez kevesebb felesleges számítást jelent, így csökken az a folyamatos, túlmelegedett és magas vízigényű állapot, amelyben a jelenlegi adatközpontok működnek.

A terhelés áthelyezése időben és térben szintén kulcsfontosságú. Ha a legnagyobb számítási csúcsokat hűvösebb napszakokra, illetve jobb vízellátású régiókra csoportosítják, az érdemben mérsékelheti az AI‑rendszerek környezeti hatását. Ez az infrastruktúra‑szintű racionalizálás azonban csak az érem egyik oldala, a másik, hogy mi, felhasználók hogyan használjuk a rendelkezésre álló modelleket.

Mit tehetünk mi, AI‑felhasználók?

A DW híranyagában visszahozza a fókuszt a mindennapi döntéseink szintjére. Az egyik lehetséges lépés a modellválasztás tudatosítása: ha több opció áll rendelkezésre, érdemes kevésbé víz‑ és energiaigényes nyelvi modelleket választani az egyszerűbb feladatokra.

Nem minden prompthoz kell a legnagyobb, legdrágább, legéhesebb modell, hiszen sokszor elegendő egy kisebb, lokális vagy takarékosabb rendszer.

A másik kézenfekvő, mégis sokszor figyelmen kívül hagyott szempont, hogy ne használjunk chatbotot mindenre.

Nem muszáj mesterséges intelligenciát bevetni minden e‑mail megfogalmazásához, minden apró ötleteléshez vagy hétköznapi probléma megoldásához.

Minden „gyors” AI‑válasz mögött nagyon is fizikai, korlátozott erőforrások állnak: víz, energia, infrastruktúra, sokszor olyan régiókban, amelyek már most is túlterheltek.

A mesterséges intelligencia nem önmagában „jó” vagy „rossz” eszköz, amelynek ökológiai ára van. A kérdés az, hogy ezt az árat mennyire tesszük láthatóvá, és hajlandóak vagyunk‑e a technológiai innovációt erőforrás‑tudatos tervezéssel és felelős felhasználói magatartással kiegészíteni. A videó üzenete szerint még van idő okosabb, takarékosabb AI‑t építeni, de ehhez az iparág szereplőinek és a felhasználóknak egyaránt változtatniuk kell a szokásaikon.

A Panasonic is fejleszt adatközpontok hűtésével kapcsolatban, erről itt írtunk korábban.

A teles videó itt nézhető vissza.

Forrás: DW
Fotóillusztráció: Canva